OpenCV笔记整理【直方图和掩模】

1. 直方图：

直方图统计图像中各个灰度级出现的次数，横坐标为各个像素点的灰度级，纵坐标是具有该灰度级的像素个数。

上面这个九宫格我们可以想象成一张图像，里面的数字代表当前像素的灰度等级。

用图表显示：X轴代表灰度级，Y轴代表统计次数。

在实际处理中，X轴代表8位的256个灰度级[0-255]，Y轴代表具有相应的灰度级的像素点的个数。
示例： 统计这个纯白色背景下的黑色8的图像的直方图

2. 绘制直方图：

模块matplotlib.pyplot 提供了一个类似 MATLAB 的绘图框架，其中hist()函数可以用来绘制直方图。

hist( X,BINS)

X为数据源，必须是一维的，二维图像需要通过ravel()函数转换为一维数组之后传入hist()函数。
BINS为灰度的分组情况，相当于前面的Y。

上代码：

import cv2
import matplotlib.pyplot as plto=cv2.imread("image\\8.bmp")
cv2.imshow("original",o)
# 显示直方图
plt.hist(o.ravel(),256) # 将o转换为一维数组，然后显示256个等级【0-255】cv2.waitKey()
cv2.destroyAllWindows()

3. OpenCV中绘制直方图：

hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )

hist返回一个一维数组，数组中是每个灰度等级的像素个数。
images为原始图像，注意用[]括起来。
channels为通道，单通道为[0]，彩色通道分别用[0],[1],[2]表示B，G，R。
mask为掩模，没有掩模的时候传None。
histSize表示BINS子集，注意用[]括起来。
ranges表示像素范围,比如单通道[0,255]。
accumlate暂时为空。

上代码：

import cv2
import numpy as npimg=cv2.imread("image\\hist.png")
# 计算直方图
hist = cv2.calcHist([img],[0],None,[2],[0,256]) # 这里像素范围[0,255]只能返回0灰
# 度等级的像素数，至于原因求高手分析？？？print(hist)cv2.waitKey()
cv2.destroyAllWindows()

运行：

使用plot分通道提取直方图代码：

import cv2
import matplotlib.pyplot as plto=cv2.imread("image\\girl.bmp")
cv2.imshow("original",o)
histb = cv2.calcHist([o],[0],None,[256],[0,255]) # channels中[0][1][2]分别代表BGR通道
histg = cv2.calcHist([o],[1],None,[256],[0,255])
histr = cv2.calcHist([o],[2],None,[256],[0,255])plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')
plt.show()

运行：

4. 掩模后绘制直方图：

与运算：
当M=1时：O AND M = 原图O
当N=0时：O AND M = 0(零)

构造一个掩模图像

import cv2
import numpy as npmask=np.zeros([600,600],np.uint8) #构造一个像素为0的二维数组
mask[200:400,200:400]=255 # 将X200-X400、Y200-Y400之间的数组值改为255cv2.imshow('mask',mask)
cv2.waitKey()
cv2.destroyAllWindows()

运行：

绘制一个掩模后的图像的直方图：

import cv2
import numpy as np
import matplotlib.pyplot as pltimage=cv2.imread("image\\girl.bmp",cv2.IMREAD_GRAYSCALE)# 创建一个原图一个大小的二维数组，元素0黑色
mask=np.zeros(image.shape,np.uint8)
# 掩模，改变200-400区域为白色
mask[200:400,200:400]=255# 将原图和掩模图进行与运算，黑色区域被消除
m=cv2.bitwise_and(image,mask)# 计算原图和掩模后图像的直方图
histImage=cv2.calcHist([image],[0],None,[256],[0,255])
histMI=cv2.calcHist([image],[0],mask,[256],[0,255])
plt.plot(histImage,color='r')
plt.plot(histMI,color='g')cv2.imshow("o",image)
cv2.imshow("mask",mask)
cv2.imshow("maskImg",m)cv2.waitKey()
cv2.destroyAllWindows()

运行：

Over。。。。。。。。。。。。。。。

OpenCV笔记整理【直方图和掩模】相关推荐

OpenCV笔记整理【模板匹配】
1. 模板匹配模板匹配就是在图像A中寻找与图像B最相似的部分,一般将图像A称为输入图像,图像B称为模板图像.操作方式是B在A图像上从左到右自上而下滑动,遍历所有的像素. 模板匹配函数: result ...
python opencv 直方图均衡_详解python OpenCV学习笔记之直方图均衡化
本文介绍了python OpenCV学习笔记之直方图均衡化,分享给大家,具体如下: 官方文档 – https://docs.opencv.org/3.4.0/d5/daf/tutorial_py_hi ...
opencv笔记（6）：彩色图像直方图
生活就像大海,我就像一条咸鱼,在浩瀚的海洋中边浪边学,这是opencv笔记系列中的「彩色图像直方图」.更多可参观[浪学]公众号~ 颜色直方图是在许多图像检索系统中被广泛采用的颜色特征.它所描述的是不同 ...
OpenCV笔记23：OpenCV图像直方图
那么什么是直方图? 直方图是条形图的变体,其中数据值组合在一起并放入不同的类中. 通过此分组,您可以查看每个类中数据在数据集中出现的频率. 1.学习目标 (1)使用OpenCV Python使用图像直 ...
视觉SLAM总结——视觉SLAM十四讲笔记整理
视觉SLAM总结--视觉SLAM十四讲笔记整理说明基础知识点 1. 特征提取.特征匹配 (1)Harris (2)SIFT (3)SUFT (4)ORB (5)特征匹配 2. 2D-2D:对极约束 ...
OpenCV笔记-图像预处理1
OpenCV笔记一. 图像预处理 1. 图像显示与存储 1.1 颜色空间颜色空间(RGB) 加法混色三通道:RGB 一个像素的颜色值:(b,g,r) 取值范围:[0,255] or [0.0,1 ...
2021/06/29计算机视觉期末复习笔记整理
计算机视觉期末复习笔记整理引言我的复习参考期末考试考题回忆 PPT对应中文笔记整理参考的几篇博客的笔记引言刚结束可能是我学生时代最后一场考试了,orz热乎着,记录一下. 这门课是学校新开的 ...
OpenCV系列之直方图-1：查找、绘制和分析 | 二十六
目标学会使用OpenCV和Numpy函数查找直方图使用OpenCV和Matplotlib函数绘制直方图你将看到以下函数:cv.calcHist(),np.histogram()等. 理论那么 ...
吴恩达机器学习笔记整理（Week1-Week5）
吴恩达机器学习笔记整理 1. Week1 1.1 什么是机器学习(What is Machine Learning) 1.2机器学习算法分类 1.3 单变量线性回归(Linear Regression ...